Connect with us

Noticias

ChatGPT’s search capabilities take aim at Google

Published

2 semanas ago

on

Photo by Growtika on Unsplash.

ChatGPT can now answer search queries, challenging Google’s hold on the sector.

It’s been a wild ride for OpenAI’s generative AI technology over the last 18 months, with both highs – YouGov research that showed around three-quarters of Millennials and Gen X would purchase a product based on the chatbot’s recommendations, plus the introduction of voice and image capabilities over a year ago – and lows, having to pay publishers to use their content and backlash to a deal with Apple.

Its latest move sees the chatbot able to “retrieve and deliver information from across the internet in real time, including news, stock prices and sports scores,” according to the New York Times.

Looking at how it compares to competitors – not just the Google, but also Bing, Yahoo, DuckDuckGo and others – Kinesso’s national head of AI and Analytics, Kellyn Coetzee, said ChatGPT Search’s ability to access recent, paywalled content sets it apart from traditional search engines.

“It’s like having a research assistant with an all-access pass to top publications,” she said.

“This could revolutionise how we understand and respond to market trends, giving our clients a significant advantage in the fast-paced Australian market.”

Spark Foundry Australia’s national head of biddable media, Greg Cattelain, said that while it’s still early days to be able to compare like for like, what the Publicis-owned agency has seen in the last week is that the technology is doing a good job of synthesising information and providing the sources of its summaries for users.

“It also includes visuals, interactive charts and maps, which is a good start,” he told AdNews.

“Currently, however, it lacks many features that make traditional search engines unique, such as shopping and travel booking. We’ll just need to wait and see how SearchGPT evolves over time.”

Orange Line’s head of SEO, Veronika Warren, said that for informational or educational queries, ChatGPT Search excels due to the conversational nature of the responses, ease of use and interactivity, and the ability to seamlessly deep dive into a particular area of information.

“Users may find it more convenient to use than traditional search results that require them to manage multiple tabs, read multiple sources until they find what they’re after and spend time deciphering it,” she said.

“For transactional queries though, there are limitations. For example, when searching for a fabric sofa, as part of the experience, users expect rich visual results and immediate product comparisons. The ability to incorporate visual elements is not refined at this stage in ChatGPT Search, making it more likely for users to stick to platforms like Google for queries that allow them to find products in as little moves as possible.”

Warren said it’s also important to keep in mind that YouTube, TikTok and Instagram are all search engines in themselves too.

“Until ChatGPT Search develops robust visual capabilities that align with specific user search behaviors, its competitive advantage will remain largely confined to text-based information exchange and knowledge discovery,” she said.

“At the end of the day, the ability to compete with established search engines will at least partially depend on the number of moves it requires the user to make to complete their journey.”

Strength in conversational capabilities, but limits in functionality

Available now to those who use ChatGPT Plus – the paid version of the product – along with its ChatGPT Team product designed for businesses, Open AI will be rolling out the search functionality for ChatGPT Enterprise and ChatGPT Edu users in the next few weeks.

Free users of the platform will receive access “over the coming months”, according to a post from the company.

Cattelain said that one of the strengths of ChatGPT Search includes delivering information directly to users, eliminating the need to click through multiple links and navigate the clutter typical of traditional search engines.

“Weaknesses lie in the fact that it is currently still limited in functionality, as well as not integrated into our current search behaviour; however, this may change over time,” he said.

Orange Line’s Warren said that outside of potential concerns of accuracy and bias, the platform’s strengths lie in its conversational capabilities, particularly in text-based interactions and knowledge transfer.

“Its ability to maintain context and deliver nuanced responses sets it apart from traditional search engines,” she told AdNews.

“But its weaknesses extend beyond just visual constraints. For content publishers, there may be potential revenue challenges as users may remain within ChatGPT’s environment rather than visiting individual websites directly.

“The platform’s reliance on Bing’s search index and news publisher partnerships also introduces potential biases that merit consideration.”

Coetzee agreed that the strength of ChatGPT Search lies in its access to premium, up-to-date content and its conversational interface, but said that questions about copyright and fair use still abound.

“The potential for AI hallucinations, while diminishing, also remains a concern,” she said.

Kellyn Coetzee, Greg Cattelain, Veronica Warren and Nicholas Chin

L to R: Kellyn Coetzee, Greg Cattelain, Veronika Warren and Nicholas Chin.

Not likely to kill off Google anytime soon

Although it’s too soon to tell how many people have used its search functionality since launch, Open AI announced in August that the overall ChatGPT platform boasted more than 200 million weekly active users, according to a Reuters report. 

Similarly, the number of people who use Google to search every day is unknown, but one source estimates that there’s over 8.3 billion searches performed every day.

The US Department of Justice, in its ruling earlier in the year declaring Google as a monopolist, said that in the United States at least, nearly 90% of all search queries went through Google, with that number being even higher on mobile devices.

Google started rolling out its own AI search product in Australia at the start of November, using generative AI to create a snapshot about a topic or question, along with key information and links to dig deeper.

As a result of this domination, media agencies AdNews spoke to found it unlikely that ChatGPT Search would have any major effect on Google.

OMD Australia’s national head of performance, Nicholas Chin, said that for now, Google, SearchGPT and other AI search products like Perplexity will have their own swim lanes and cater to the evolving search needs of different consumers.

“SearchGPT, for example, has been built to be a concise, authoritative and real-time search query console – almost like a personal helper that can give you the updated answers you need right now, with sources to match,” he said.

“Google AI Overviews, on the other hand, is seamlessly integrated into the everyday Google search experience that we’re all used to and integrates better with other Google services, like Maps or Shopping.

“Multi-modal search and the evolving search experience from the Google search bar now also means there are more search experiences available for both the consumer and technology vendors. Take social search in the creator economy, or multi-modal search using video, audio and images as green pastures for all to have their space to play.”

Chin said that outside of the search experience, the future success of search engines will continue to depend on integration and partnerships with other services.

“OpenAI has been clear that they will eventually integrate SearchGPT with ChatGPT in the future, and with ChatGPT being the backup data source for Apple Intelligence in new Apple devices, this trojan horse strategy could be the key to widespread adoption of the SearchGPT platform,” he told AdNews.

“On the flip side, data privacy is still a thorn in the side for the major tech platforms. To use SearchGPT to its greatest potential, you are required to pass over more of your data to yet another platform.

“OpenAI has had a bumpy ride on the privacy front, so if Google AI Overviews is an equivalent search engine, will consumers want to hand over their data to another provider and will this hurt OpenAI’s progress?”

Warren agreed that Google is an established habit that is driving billions of dollars of revenue to the business, and that while ChatGPT search may take away some market share, they will need to find ways to bypass the years of experience Google has had to develop their product.

“For ChatGPT to truly compete, it will need to not only surpass usability, but also bring something unique and compelling that addresses unmet needs or provides a distinct value, redefining what users expect from search itself,” she said.

“Each platform serves distinct user needs – Google for comprehensive results, Pinterest for visual discovery, YouTube for video content, and now ChatGPT Search for conversational knowledge exploration. This specialisation suggests we’re moving toward a more fragmented search landscape.”

Kinesso’s Coetzee said that in Australia alone, ChatGPT is estimated to have 3 to 4 million monthly users – representing 1.5% to 2% of its global user base – with this rapid growth suggesting a shifting digital landscape.

“However, Google’s ubiquity and integration with other services still give it a significant edge,” she said.

“At Kinesso, we’re preparing for a future where both platforms coexist, each serving distinct user needs in the Australian digital ecosystem. The continued Google monopoly will likely hinge on Google’s ability to adapt to this AI-driven search paradigm and who is first to release AGI and all its implications.”

The capacity for advertisers and monetisation

As OpenAI is a private company, numbers on its revenue to date aren’t widely available, although the New York Times reported that OpenAI’s monthly revenue hit $300 million in August, up 1,700% since the beginning of 2023, and the company expects about $3.7 billion in annual sales in 2024.

OpenAI also estimated that its revenue will balloon to $11.6 billion next year.

For Google, meanwhile, its most recent results showed that overall advertising revenue hit $64.6 billion, while search advertising revenue was up 13.8% to $48.5 billion.

Looking at the capacity to monetise ChatGPT’s search product, Cattelain said that traditional ways include sponsored links of websites that are the most relevant to ‘learn more’, or product visuals that can best answer the search query.

“New ways could include sponsored citations that are relevant to the query, which would help build brand authority and consideration,” he said.

“There could also be product visualisation based on users’ data, for example rendering how clothes appear directly on a person.”

OMD’s Chin said that shopping and ecommerce brands are the clear winners in the AI search battle, with Google AI Overviews already integrating ads into its AI powered search results.

“But as things change, advertisers will need to evolve their promotional tactics and thinking when promoting products through future search,” he said.

“Things like situation context for content listings, usage examples or authoritative reviews are the new tools for search practitioners and will involve closer ways of working with product and go-to-market teams.”

Warren said that the conversation-first nature of ChatGPT Search demands a fresh approach to monetization, and although traditional advertising models may not translate effectively, there are several avenues the platform could explore.

“Things like native sponsored content integrated naturally into conversations, or enhanced analytics and insights for advertisers could see users paying for a more premium subscription,” she told AdNews.

“But success will really depend on maintaining the platform’s inherent value while introducing revenue-generating features that enhance rather than diminish the user experience. The future of ChatGPT Search hinges on its ability to balance innovation with practicality, pushing boundaries while meeting established user expectations.”

Coetzee said the monetisation potential for ChatGPT Search has expanded significantly with its ability to access paywalled content, giving it a leg up on traditional search.

“We could see a model where premium publications partner with OpenAI, receiving compensation for their content being used in responses,” she said.

“For advertisers, this opens up new avenues for reaching high-value audiences who consume premium content. We know Perplexity is working on a CPM buying model which is a bit different to how traditional search buyers have historically dabbled in search bidding.

“While we are yet to see what Search GPT ad model will look like, we’re exploring how this could lead to more sophisticated, content-integrated advertising strategies.”

Have something to say on this? Share your views in the comments section below. Or if you have a news story or tip-off, drop us a line at [email protected]

Sign up to the AdNews newsletter, like us on Facebook or follow us on Twitter for breaking stories and campaigns throughout the day.

Related Topics:
Continue Reading
Click to comment

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Noticias

Investigadores chinos presentan LLaVA-o1 para desafiar el modelo o1 de OpenAI

Published

4 horas ago

on

22 noviembre, 2024

By

Únase a nuestros boletines diarios y semanales para obtener las últimas actualizaciones y contenido exclusivo sobre la cobertura de IA líder en la industria. Más información

El modelo o1 de OpenAI ha demostrado que el escalado del tiempo de inferencia (usar más computación durante la inferencia) puede mejorar significativamente las capacidades de razonamiento de un modelo de lenguaje. LLaVA-o1, un nuevo modelo desarrollado por investigadores de varias universidades de China, lleva este paradigma a los modelos de lenguaje de visión (VLM) de código abierto.

Los primeros VLM de código abierto suelen utilizar un enfoque de predicción directa, generando respuestas sin razonar sobre el mensaje y los pasos necesarios para resolverlo. Sin un proceso de razonamiento estructurado, son menos eficaces en tareas que requieren razonamiento lógico. Las técnicas de estimulación avanzadas, como las de cadena de pensamiento (CoT), donde se anima al modelo a generar pasos de razonamiento intermedios, producen algunas mejoras marginales. Pero los VLM suelen producir errores o alucinar.

Los investigadores observaron que un problema clave es que el proceso de razonamiento en los VLM existentes no es suficientemente sistemático y estructurado. Los modelos no generan cadenas de razonamiento y muchas veces se quedan estancados en procesos de razonamiento donde no saben en qué etapa se encuentran y qué problema específico deben resolver.

“Observamos que los VLM a menudo inician respuestas sin organizar adecuadamente el problema y la información disponible”, escriben los investigadores. “Además, con frecuencia se desvían de un razonamiento lógico para llegar a conclusiones, en lugar de presentar una conclusión prematuramente y luego intentar justificarla. Dado que los modelos de lenguaje generan respuestas token por token, una vez que se introduce una conclusión errónea, el modelo generalmente continúa por un camino de razonamiento defectuoso”.

Razonamiento de varias etapas

OpenAI o1 utiliza escala de tiempo de inferencia para resolver el problema de razonamiento sistemático y estructurado y permite que el modelo haga una pausa y revise sus resultados a medida que resuelve gradualmente el problema. Si bien OpenAI no ha publicado muchos detalles sobre el mecanismo subyacente de o1, sus resultados muestran direcciones prometedoras para mejorar las capacidades de razonamiento de los modelos fundamentales.

Inspirándose en o1, los investigadores diseñaron LLaVA-o1 para realizar un razonamiento etapa por etapa. En lugar de generar una cadena de razonamiento directa, LLaVA-o1 divide el proceso de razonamiento en cuatro etapas distintas:

Resumen: El modelo primero proporciona un resumen de alto nivel de la pregunta, delineando el problema central que debe abordar.

Subtítulo: Si hay una imagen presente, el modelo describe las partes relevantes, centrándose en elementos relacionados con la pregunta.

Razonamiento: A partir del resumen, el modelo realiza un razonamiento lógico y estructurado para derivar una respuesta preliminar.

Conclusión: Finalmente, el modelo presenta un resumen conciso de la respuesta basada en el razonamiento anterior.

Sólo la etapa de conclusión es visible para el usuario; las otras tres etapas representan el proceso de razonamiento interno del modelo, similar al rastro de razonamiento oculto de o1. Este enfoque estructurado permite a LLaVA-o1 gestionar su proceso de razonamiento de forma independiente, lo que conduce a un mejor rendimiento en tareas complejas.

“Este enfoque estructurado permite al modelo gestionar de forma independiente su proceso de razonamiento, mejorando su adaptabilidad y rendimiento en tareas de razonamiento complejas”, escriben los investigadores.

Búsqueda de haz a nivel de etapa (derecha) versus otras técnicas de escalamiento de tiempo de inferencia Fuente: arXiv

LLaVA-o1 también introduce una novedosa técnica de escalado de tiempo de inferencia llamada “búsqueda de haz a nivel de etapa”. La búsqueda de haces a nivel de etapa genera múltiples resultados candidatos en cada etapa de razonamiento. Luego selecciona al mejor candidato en cada etapa para continuar el proceso de generación. Esto contrasta con el enfoque clásico del mejor de N, en el que se solicita al modelo que genere múltiples respuestas completas antes de seleccionar una.

“En particular, es el diseño de salida estructurado de LLaVA-o1 lo que hace que este enfoque sea factible, permitiendo una verificación eficiente y precisa en cada etapa”, escriben los investigadores. “Esto valida la eficacia de la producción estructurada para mejorar la escala de tiempo de inferencia”.

Entrenamiento LLaVA-o1

Datos de entrenamiento de Llama o1
Los datos de entrenamiento de LLaVA-o1 están anotados con GPT-4o Fuente: arXiv

Para entrenar LLaVA-o1, los investigadores compilaron un nuevo conjunto de datos de alrededor de 100.000 pares de imagen-pregunta-respuesta obtenidos de varios conjuntos de datos VQA ampliamente utilizados. El conjunto de datos cubre una variedad de tareas, desde la respuesta a preguntas de varios turnos hasta la interpretación de gráficos y el razonamiento geométrico.

Los investigadores utilizaron GPT-4o para generar procesos de razonamiento detallados de cuatro etapas para cada ejemplo, incluidas las etapas de resumen, título, razonamiento y conclusión.

Luego, los investigadores ajustaron Llama-3.2-11B-Vision-Instruct en este conjunto de datos para obtener el modelo LLaVA-o1 final. Los investigadores no han publicado el modelo, pero planean publicar el conjunto de datos, llamado LLaVA-o1-100k.

LLaVA-o1 en acción

Los investigadores evaluaron LLaVA-o1 en varios puntos de referencia de razonamiento multimodal. A pesar de haber sido entrenado en solo 100.000 ejemplos, LLaVA-o1 mostró mejoras de rendimiento significativas con respecto al modelo Llama base, con un aumento promedio en la puntuación de referencia del 6,9%.

Resultados LLaVA-o1
LLaVA-o1 frente a otros modelos abiertos y cerrados Fuente: arXiv

Además, la búsqueda de haces a nivel de etapa generó mejoras adicionales en el rendimiento, lo que demuestra la eficacia del escalamiento del tiempo de inferencia. Debido a limitaciones de recursos computacionales, los investigadores solo pudieron probar la técnica con un tamaño de haz de 2. Esperan mejoras aún mayores con tamaños de haz más grandes.

Sorprendentemente, LLaVA-o1 superó no sólo a otros modelos de código abierto del mismo tamaño o más grandes, sino también a algunos modelos de código cerrado como GPT-4-o-mini y Gemini 1.5 Pro.

“LLaVA-o1 establece un nuevo estándar para el razonamiento multimodal en VLM, ofreciendo un rendimiento sólido y escalabilidad, especialmente en tiempo de inferencia”, escriben los investigadores. “Nuestro trabajo allana el camino para futuras investigaciones sobre el razonamiento estructurado en VLM, incluidas posibles expansiones con verificadores externos y el uso del aprendizaje por refuerzo para mejorar aún más las capacidades complejas de razonamiento multimodal”.

Continue Reading

Noticias

Tribunales bonaerenses adoptan ChatGPT para redactar sentencias

Published

17 horas ago

on

22 noviembre, 2024

By

En mayo, el Ministerio Público de la Ciudad de Buenos Aires comenzó a utilizar IA generativa para predecir fallos en algunos casos de empleo público relacionados con demandas salariales.

Desde entonces, los funcionarios de justicia de la oficina de lo contencioso administrativo y tributario de la ciudad de Buenos Aires suben los documentos del caso al ChatGPT, que analiza patrones, ofrece una clasificación preliminar a partir de un catálogo de plantillas y redacta una decisión. Hasta ahora, ChatGPT se ha utilizado en 20 sentencias legales.

Según estudios recientes realizados por la oficina, el uso de IA generativa ha reducido el tiempo que lleva redactar una oración de una hora a aproximadamente 10 minutos.

“Nosotros, como profesionales, ya no somos los personajes principales. Nos hemos convertido en editores”, dijo Juan Corvalán, fiscal general adjunto en lo contencioso administrativo y tributario. Resto del mundo.

La introducción de herramientas de IA generativa ha mejorado la eficiencia en la oficina, pero también ha generado preocupaciones dentro del poder judicial y entre expertos legales independientes sobre posibles sesgos, el tratamiento de datos personales y la aparición de alucinaciones. Preocupaciones similares han resonado más allá de las fronteras de Argentina.

“Nosotros, como profesionales, ya no somos los personajes principales. Nos hemos convertido en editores”.

“Cualquier uso inconsistente, como compartir información sensible, podría tener un costo legal considerable”, dijo Lucas Barreiro, abogado especializado en protección de datos personales y miembro de Privaia, asociación civil dedicada a la defensa de los derechos humanos en la era digital. dijo Resto del mundo.

Los jueces de EE. UU. han expresado su escepticismo sobre el uso de la IA generativa en los tribunales, y el juez federal de Manhattan, Edgardo Ramos, dijo a principios de este año que “Se ha demostrado que ChatGPT es un recurso poco confiable”. En Colombia y los Países Bajos, el uso de ChatGPT por parte de los jueces fue criticado por expertos locales. Pero no todo el mundo está preocupado: un juez de un tribunal de apelaciones del Reino Unido que utilizó ChatGPT para redactar parte de una sentencia dijo que era “muy útil”.

Para Corvalán, el paso a la IA generativa es la culminación de una transformación de años dentro de la Fiscalía General de la Ciudad de Buenos Aires. En 2017, Corvalán reunió a un grupo de desarrolladores para entrenar un sistema impulsado por inteligencia artificial llamado PROMETEA, cuyo objetivo era automatizar tareas judiciales y acelerar los procedimientos de los casos. El equipo utilizó más de 300.000 fallos y expedientes de casos relacionados con protección de vivienda, bonificaciones de empleo público, ejecución de multas impagas y denegación de licencias de taxi a personas con antecedentes penales.

Los casos en los que se utilizaba no variaban mucho y las resoluciones tendían a estandarizarse. Aún se requería que el personal legal revisara las decisiones del programa. En poco tiempo, la productividad en la oficina aumentó casi un 300%, y los profesionales jurídicos podían procesar alrededor de 490 casos por mes, frente a unos 130.

“Nunca tuvo la intención de reemplazar a los humanos. Siempre hay supervisión. Más bien, es una forma de repensar nuestros trabajos”, afirmó Corvalán.

PROMETEA podría predecir resultados con un 90% de precisión en menos de 20 segundos, según un informe de la fiscalía de la ciudad. La implementación de PROMETEA fue un punto de inflexión, dijo Melisa Rabán, secretaria de la procuraduría general adjunta para asuntos contenciosos administrativos y tributarios.

“Llegaron casos más complejos y pudimos trabajar en ellos adecuadamente en lugar de realizar trabajos automatizables”, dijo Rabán Resto del mundo.

Pero la eficiencia del programa tuvo un costo: cada nueva categoría de delito para la que se implementó PROMETEA requirió capacitación adicional y desarrollo de algoritmos. A principios de este año, Corvalán comenzó a eliminar PROMETEA en favor de ChatGPT. Las 20 sentencias que ha redactado han sido revisadas por un abogado y aprobadas por el fiscal adjunto. El poder judicial ahora está ampliando el programa a otras unidades, incluida la oficina de adquisiciones, que gestiona las quejas de los ciudadanos.

“Este proyecto trata de democratizar la IA generativa”, dijo Sofia Tammaro, empleada de la fiscalía general adjunta y desarrolladora principal del proyecto. Resto del mundo. En Argentina, que se ha quedado atrás del mundo desarrollado en el acceso a avances tecnológicos de vanguardia, eso no es poca cosa.

“Cualquier uso inconsistente, como compartir información confidencial, podría tener un costo legal considerable”.

A los expertos les preocupa que muchos usuarios no tengan la capacitación y la alfabetización digital necesarias para implementar la tecnología que cambia rápidamente, lo que podría generar prejuicios contra las comunidades subrepresentadas, entre otras cuestiones.

“Si bien algunos pueden mitigarse, otros surgirán, porque en el corazón mismo de los desarrolladores hay valoraciones subjetivas que permean el diseño del modelo”, afirmó Barreiro.

El equipo de Corvalán está tratando de frenar algunos de los riesgos asociados con los modelos de IA, incluida la prevalencia del robo y la piratería de datos. “Todavía estamos trabajando en un proceso de anonimización de los datos confidenciales encontrados en los casos”, dijo Tammaro.

Las alucinaciones también podrían plantear importantes riesgos legales. Los casos en los que los sistemas de IA generan información falsa o irrelevante ocurren alrededor del 17% de las veces en herramientas legales de generación de IA, según un estudio de Stanford de 2024. Para Corvalán, estos sólo pueden mitigarse mediante el uso de programas que tengan un menor margen de error, como PROMETEA, para casos sensibles, incluidos los relacionados con la violencia de género y doméstica.

“PROMETEA está integrada en nuestros procesos. Su huella nunca desaparecerá”, dijo Roberto Betancur, director de TI y modernización del Ministerio Público de Buenos Aires. Resto del mundo. “Nos dio una guía para entender cómo se toman las decisiones legales”.

Por ahora, PROMETEA se utiliza para fallos relacionados con el empleo público y para gestionar investigaciones que involucren material de abuso sexual infantil. Es probable que su uso disminuya con el tiempo.

“PROMETEA es como Blockbuster en un mundo donde Netflix está surgiendo. Estas transformaciones están sucediendo a escala global”, afirmó Corvalán.

Continue Reading

Noticias

ChatGPT vs Gemini vs Meta AI: tiroteo del generador de imágenes de IA de Acción de Gracias

Published

17 horas ago

on

22 noviembre, 2024

By

Con el espíritu del Día de Acción de Gracias, puse a prueba tres generadores de imágenes de IA líderes (ChatGPT, Google Gemini y Meta AI) solicitándoles que crearan imágenes de siete platos clásicos del Día de Acción de Gracias. El objetivo era evaluar la capacidad de cada modelo de IA para representar estos alimentos tradicionales con realismo y atractivo.

Si bien ninguno de los alimentos que preparé en este experimento era realmente comestible, algunas de las imágenes generadas por IA parecían lo suficientemente buenas para comer, mientras que otras definitivamente tuvieron un pase difícil. Los resultados no solo mostraron las fortalezas y debilidades de cada plataforma, sino que también me brindaron una apreciación más profunda de las comidas clásicas de Acción de Gracias y de quienes dedican tiempo a cocinarlas.

Profundicemos en este festín para los ojos y veamos qué inventaron estos chatbots en sus intentos de capturar las esencias de la cena de Acción de Gracias.

1. Pavo asado

(Crédito de la imagen: futuro)

Inmediato: “Crea una imagen de pavo cocido de Acción de Gracias listo para servir”.

Google Géminis entregó una imagen muy realista de un pavo que, desafortunadamente, parece demasiado bien hecha. La atención al detalle, incluida la textura de la piel crujiente, hizo que este plato principal pareciera excepcionalmente realista. Sin embargo, el pavo era pequeño y demasiado hecho para servirlo.

Continue Reading

Trending